基于PhotoScan的径流小区三维重建参数优化

提高径流小区数字地面模型精度是应用三维重建技术研究面蚀细沟间与细沟侵蚀过程的关键。以位于黑龙江省海伦市的中国科学院海伦水土保持监测研究站的裸地小区为研究对象,以验证点与控制点误差比和数字高程模型（Digital elevation model,DEM）误差为指标,优化Agisoft PhotoScan三维重建径流小区的处理参数,降低DEM误差。PhotoScan的精度参数和相机模型设置对DEM误差有较大影响。优化后的验证点与控制点误差比降低35%,改善了径流小区DEM对地面控制点的过度拟合。优化后的相机模型包含焦距、像主点、径向畸变、切向畸变等。基于单点和点云的验证结果表明,优化过程误差降低约40%。相对于默认参数设置下的验证点误差（20.0mm）,优化后的验证点误差为11.0mm,与细沟侵蚀深度标准相当（沟深大于等于10mm）,因此优化后的径流小区三维重建过程更适宜于细沟侵蚀过程的三维表达。     

基于3DSOM的植株三维重建方法研究

三维重建技术在智慧农业研究领域有着广阔的应用前景。本研究以抽穗期小麦和树木枝干为研究对象,在搭建了植株序列图像获取平台的基础上,探究了3DSOM软件在不同数量序列图像下的植株三维重建效率和精度。对于小麦植株,分别对比了32、48、64幅序列图像下重建模型的效果和精度;试验表明:3DSOM对于小麦的重建效果一般。对于树木枝干,分别对比了40、60、80幅序列图像下的重建模型,试验表明重建效果较好。为了验证3DSOM软件对植株的重建精度,对小麦3个截段的测量进行了对比。对比结果表明:其重建误差不高于3.18%,最低为0.39%,平均精度为2.16%。对枝干的8个截段的测量对比结果表明:其重建误差不高于2.66%,最低为0.4 3%,平均精度为1.4 0%。因此,将3DSOM应用于植株的三维重建可以取得高精度的效果。     

超微图像三维重建技术在治蝗农药研究中应用

传统的治蝗农药研究方法存在着研制周期长、实验结果不直观、无法定量研究等问题.基于连续组织超微切片图像的三维重建技术是一种重要的形态学研究方法,可建立生物农药与蝗虫互作组织的三维模型来模拟蝗虫组织器官与生物农药的相互作用过程,该技术在阐明蝗虫组织结构与生理功能间关系及生物农药研究等方面具有重要意义.为此,分析了该项技术在治蝗农药研究中的应用意义.其中,重点介绍了图像保边降噪模型、自适应图像分割、三维混合绘制等关键技术的研究进展.     

Kinect在现代农业信息领域中的应用与研究进展

2010年微软公司推出的Kinect体感设备不仅在游戏界引起了巨大的轰动,在其它多个研究领域也得到了越来越多的重视。本研究对Kinect在农业信息领域的应用现状和发展趋势做了深入分析,阐述了Kinect在果实目标检测识别、植物三维形态重建、畜牧养殖监督系统及农业虚拟教学等领域的应用,探讨了Kinect在农业领域应用中存在的问题及其在农业应用上的优缺点,并提出了Kinect在信息农业领域未来的发展方向及前沿问题。     

基于立体视觉的农机热锻件测量系统设计

为解决农机热态锻件的在线尺寸测量问题,提出了一种基于计算机双目立体视觉的解决方案。针对热锻件的图像获取、特征提取、图像匹配和三维重建等问题展开研究,分别采用光谱选择性图像采集方案、形态学角点和轮廓提取方案,基于标定立体校正的快速匹配和重建方案,构建了一套在线测量系统。为提高系统的实时性,采用Open CV计算机视觉库函数实现相应算法。以一个被加热至1 000℃圆柱体锻件为试验对象,测量结果直径相对误差为2.20%,高度相对误差为1.81%,用时87s。试验结果表明:所提出的农机高温热锻件几何参数测量方法能够满足锻造生产现场对尺寸测量实时、精确、高效的要求。     

基于三维重建的动物体尺获取原型系统

为提高现有动物体尺获取技术的效率和自动化程度,提出双深度摄像头动物实时三维重建系统,进而进行动物体尺获取。基于随机采样一致性算法的圆球标定方法对摄像头外参数进行自动标定,再利用外参数将同步获取的点云数据进行配准达到实时重建,最后采用优化拾取机制后的交互式测量方法得到体尺。选取Xtion PRO作为点云数据采集设备并以猪标本作为重建对象,利用高精度激光扫描仪的重建数据与该系统重建结果进行了对比试验,结果表明圆球标定算法能够全自动快速地获取摄像头外参数,用该参数配准后的数据平均误差在7.50 mm以内,该系统以15帧/s的速度重建猪体全身,获取误差在4%以内的体尺信息,达到农业上动物体尺测量的一般要求,该系统可用于动物体尺测量。     

基于激光雷达扫描的料仓原料储料量测量方法

为提高仓内原料储料量测量自动化和智能化水平,设计了一种基于二维激光雷达扫描的储料量测量装置与系统。本系统采用RPLIDAR S1型二维激光雷达扫描获取不同储料量物料的原始点云数据,通过坐标变换、重叠点提取、滤波、分割等方法对原始点云进行预处理,采用贪婪投影三角化算法将预处理后的点云进行三维重建,获得仓内原料的三维模型,结合物料三维模型和物料的容重获得仓内原料的储料量,从而实现储料量的自动测量。以玉米为试验对象,测量小型储料塔内玉米储料量并对玉米不同储料量进行扫描测量,验证模型的准确性,结果显示：测量结果的平均绝对误差为8.05 kg,平均相对误差为1.52%。研究结果表明,基于二维激光雷达扫描的储料量测量方法是可行的,具有较好的稳定性和测量精度,能够满足实际生产需求。     

基于无人机影像的森林信息获取研究进展

随着无人机技术的不断发展,其在林业中的应用越来越广泛。无人机航空摄影作为高分影像的重要获取方式,具有成本低、效率高、时效性强等特点,己逐渐成为森林资源调查与监测的新途径。研究者已不再满足于无人机影像在森林资源分类和空间分析等方面的应用研究,而是开始关注单木树高、胸径、冠幅等具体树木信息的获取以及森林信息量化等方面的研究。文中综述近几年无人机在森林结构参数、生物量、蓄积量、立木材积表、林区规划、树木空间分布以及三维建模等方面的研究进展,并对无人机在森林信息获取中的研究和应用提出建议。     

植株自旋转多视角重建技术在小麦植株三维表型获取中的应用评估

基于多视角重建技术的作物三维表型高通量获取系统成本低、获取效率高,引起越来越多的关注。植物自旋转式拍摄平台易于搭建,但植物旋转过程中产生的抖动对点云三维重建和表型解析精度有一定影响。为评估旋转式多视角成像在小麦植株三维表型解析中的适用性,基于植物旋转设计了便携式小麦植株三维表型高通量采集系统,选取穗期不同品种的小麦植株作为实验样本进行点云重建,基于Hausdorff距离评价了重建点云的精度误差;并基于人工测量数据,对所提取的表型指标精度进行评价。结果表明,植物旋转式重建的点云与相机旋转式重建的点云有较高的一致性,点云精度差距基本控制在0.4 cm以下;获取的叶长、叶宽和株高的均根方误差分别为0.79、0.13和0.53 cm,平均绝对百分比误差分别为3.26%、7.63%和0.74%,表明该方式适合穗期的小麦植株表型重建,具有较高的点云重建和表型提取精度,并为小麦植株表型评价提供了一种低成本的解决方案。